MétaCan
Menu
Retour à la cohorte
Enregistrement W3113215782 · doi:10.47063/ebtsf.2020.0029

UNTANGLING THE CORPORATE SOCIAL RESPONSIBILITY-FINANCIAL PERFORMANCE PARADOX: THE ROLE OF COMPETITIVE ACTIVITY

2020· article· en· W3113215782 sur OpenAlexaff
Hun Lee, Goce Andrevski, Walter J. Ferrier

Notice bibliographique

RevueEconomic and Business Trends Shaping the Future · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Social Responsibility Reporting
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésNoveltyCompetitive advantageCorporate social responsibilityShareholderBusinessIndustrial organizationResource (disambiguation)Resource-based viewResource allocationMicroeconomicsEconomicsMarketingCorporate governanceFinanceComputer sciencePublic relationsMarket economyPsychology

Résumé

récupéré en direct d'OpenAlex

A central debate in corporate social responsibility (CSR) research is whether CSR hurt or help shareholders. Our study suggests that this paradoxical tension between social and competitive activities of firms is a manageable resource-allocation decision. By disaggregating competitive activity into its different forms – intensity and complexity – we develop a model that explains how firms can alleviate the resource allocation tension to improve performance. High CSR firms can enhance short-term performance by reconfiguring its resource base and reducing competitive intensity – the frequency of competitive actions. Alternatively, they can increase long-term performance by transforming its resource base and increasing competitive complexity – the variety and novelty of competitive actions. Overall, our empirical findings suggest that the positive effect of CSR on firm performance is conditional on firms’ ability to adjust the intensity and complexity of their competitive activity. Our results are robust across competitive environments with different levels of competitive pressure.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,008
Communication savante0,0050,007
Science ouverte0,0010,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,033
Tête enseignante GPT0,229
Écart entre enseignants0,196 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEconomic and Business Trends Shaping the FutureMême sujetCorporate Social Responsibility ReportingTravaux en français237 207